目前语音通信在众多领域已得到越来越广泛的应用，而语音增强技术的研究对语音通信的质量起着至关重要的作用。 本文主要对基于经验模式分解和离散余弦变换的语音增强技术进行了研究，首先介绍了各种语音增强算法以及希尔伯特黄变换的基本理论，然后提出一种基于离散余弦变换的语音增强方法，这种方法估计噪声结果精确。传统的基于离散傅里叶变换的语音增强方法认为相位不重要，但在高噪时，重建语音质量受到很大影响。而离散余弦变换，其系数为实数，可以被认为有一个二进相位值，此相位只受系数的符号影响。只要噪声不改变系数的符号，相位就不会发生改变。如果语音集中在某些系数上，相位是很难受到噪声污染的。因此这种算法优于传统的语音增强算法，实验表明，这种方法具有良好的语音增强性能，对于白噪声效果更加明显。 然后论文对经验模式分解在语音上的性能作了较为详尽的阐述，提出了经验模式分解后固有模态分量各层对应的能量关系，并和小波变换的结果作了对照。经验模式分解的主要思想类似小波变换，分解结果是由高频到低频分布的，即噪声主要集中在前几层。因此，可采用适当的阈值函数，在分解结果内去除噪声系数，保留信号的系数，再由剩余的系数进行重构，即可恢复信号，达到去噪的目的，本文采用的是概率阈值方法。在此基础上，本文综合离散余弦变换和经验模式分解方法，归纳出基于经验模式分解的语音增强算法。